研究自然视觉场景变化对典型成人视觉感知的影响
自然视觉场景中刺激变异性的影响
自然视觉环境复杂而丰富,具有不同的刺激物和特征。 视觉系统必须不断地从视觉场景中大量不相关的信息中提取与行为相关的视觉信息。 使事情进一步复杂化的是,在任何给定时刻最相关的视觉特征或刺激在现实的视觉环境中可能会快速而频繁地变化。 任务相关信息指导感知行为的机制尚不完全清楚。
在这项研究中,心理物理学实验将用于测量参与者在复杂、自然的视觉场景中辨别中心物体水平位置的能力,以及测量该能力如何受到试验内特征变化的影响。场景中的背景对象。
本研究的目的是调查视觉系统以反映现实复杂视觉环境的方式提取任务相关信息的总体预测,在这些环境中,刺激变化迅速且频繁。 具体来说,这项研究将检验场景中与任务无关的可变性会影响参与者区分与手头任务相关的视觉特征的能力的假设。
研究概览
详细说明
背景
自然视觉环境往往是复杂的,单一的视觉场景包含各种各样的刺激。 这些刺激可以快速且频繁地变化。 更复杂的是,任何特定刺激或视觉特征的行为相关性也可能在任何给定时刻发生变化。 在逼真的复杂视觉环境中的视觉感知需要从大量无关信息中不断提取与任务相关的刺激信息。 了解任务相关信息如何用于在不断变化、功能丰富的视觉环境中指导行为是理解感知的关键组成部分。 如果视觉系统经过进化优化以在与行为相关的刺激或特征可以快速且频繁地变化的现实复杂环境中执行,则这可能尤其正确。
本研究的目的是研究视觉系统优化后以通用方式提取视觉信息的总体预测,这种方式可以灵活应对自然环境中遇到的各种不断变化的视觉特征。 具体来说,这项研究将检验这样一个假设,即在现实复杂的自然场景的背景下,与任务无关的视觉特征可变性会对参与者区分与手头任务相关的视觉特征的能力产生负面影响。
方法
参加者
实验方案经宾夕法尼亚大学机构审查委员会批准。 参与者将被邀请自愿参加这项研究。 参与者将提供知情同意书。 为确保参与者符合资格标准,在实验之前,他们将接受采访并填写调查问卷。 同样在实验之前,他们将使用 Snellen 视力表筛查视力,并使用 Ishihara 平板测试筛查颜色缺陷。 如果他们的任何一只眼睛的最佳矫正视力低于 20/40 或者他们在石原板测试中出现任何错误,他们将在实验前被排除在外。
对于已注册的参与者,他们的水平位置歧视阈值(在没有任何与任务无关的可变性的控制条件下;有关详细信息,请参见下面的会议组织)将根据他们在第一届会议期间在实验任务上的表现来计算。 如果参与者在控制条件下的水平位置辨别阈值高于 0.6 度视角的最大值,则在第一节课结束后,参与者将被排除在外,此时被排除在外的参与者将不会参加任何进一步的实验课。 如果很少有注册参与者满足此标准,则将增加参与者包含的最大阈值。 在包含的最大阈值增加的情况下,先前被排除在外的参与者将不会被重新包含在事后实验中。
仪器
校准的 LCD 彩色显示器(27 英寸 NEC MultiSync PA271Q QHD 彩色关键桌面 W-LED 显示器,带 SpectraView 引擎;NEC Display Solutions)将用于在参与者在实验中进行暗适应后在原本黑暗的房间中显示刺激物间至少 5 分钟。 显示器将以 1920 x 1080 的像素分辨率驱动,刷新率为 60 Hz,每个 RGB 通道的分辨率为 8 位。 该显示器的主机将是配备 Intel Core i7 处理器的 Apple Macintosh。 每个参与者的头部位置将使用下巴杯(Headspot,UHCOTech,休斯顿,德克萨斯州)稳定。 参与者的眼睛将相对于显示器水平和垂直居中。 参与者的眼睛和显示器之间的距离为 75 厘米。 参与者将使用罗技 F310 游戏手柄控制器输入他们的回答。
刺激物
所有的刺激都是同一自然视觉场景的变体:一个正方形图像(在宽度和高度上对着 8 度的视角),其中一个中心物体(香蕉,在高度上对着大约 4 度的视角)是呈现在一个近似圆形的重叠背景物体阵列上(对着大约 5 度的视角,由重叠的树枝和树叶组成)。 中心对象(香蕉)和/或将被称为“背景对象”(树枝和树叶)的水平位置、旋转和/或深度在不同刺激下发生变化。 中心对象和背景对象在其他对象的上下文中呈现,这些对象永远不会跨越不同的刺激物(岩石壁架、天际线和三个长满苔藓的树桩)。
自然视觉场景是使用开源 3D 创作套件 Blender (https://www.blender.org, 版本 2.81a)。 使用开源软件包 iset3d (https://github.com/ISET/iset3d) 在水平位置、旋转和/或深度移动中心对象和/或背景对象以创建不同的刺激 适用于 pbrt 的修改版本 (https://github.com/mmp/pbrt-v3)。 这些图像是使用 iset3d 创建的,分辨率为 1920 x 1920,每个像素有 100 个样本,在 400 nm 和 700 nm 之间有 31 个等距波长。
使用 iset3d 创建的图像使用自定义软件(自然图像阈值;https://github.com/AmyMNi/NaturalImageThresholds)转换为 RGB 图像 使用 MATLAB(MathWorks;Natick,MA)编写并基于软件包 Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy)。 自然图像阈值依赖于心理物理学工具箱 (http://psychtoolbox.org)、iset3d (https://github.com/ISET/iset3d) 中的例程, 和 isetbio (http://psychtoolbox.org)。 为了将使用 iset3d 创建的高光谱图像转换为 RGB 图像以在校准监视器上显示,高光谱图像数据首先用于计算 LMS 锥体激发。 然后,根据显示器校准数据,将 LMS 锥体激发转换为显示器 RGB 颜色空间中的同色异谱渲染图像。 RGB 图像使用通用缩放进行伽马校正,将刺激集中的所有 RGB 图像带入显示器的显示色域。
刺激将在心理物理任务的背景下呈现在校准监视器上。 刺激将呈现在统一的灰色背景 (~100 cd/m^2) 上,在实验期间将呈现在监视器上。
心理物理任务
心理物理任务将用于衡量参与者区分自然视觉场景中背景对象上下文中呈现的中心对象水平位置的能力。 该任务将是一个双区间强制选择任务,每个区间呈现一个刺激。 每个间隔的持续时间为 250 毫秒。 每个刺激都将显示在监视器的中央。 在两个刺激间隔之间,两个面罩将连续显示在监视器的中央。 每个面具将呈现 400 毫秒的持续时间,总刺激间隔为 800 毫秒(请参阅下面的会议组织了解面具详情)。
参与者的任务是确定与第一个间隔中呈现的中心对象相比,第二个间隔中呈现的中心对象是在左侧还是在右侧。 在这两个间隔之后,参与者将有无限的时间按下游戏手柄上的两个响应按钮之一(左上方的触发器表示第二个间隔中的中心对象在左侧,右上方的触发器表示它在右边)。 输入响应后将出现两种反馈音之一,指示参与者是正确还是错误。 对于两个间隔之间中心对象的位置没有差异的试验,将在每次试验中随机选择将收到正确反馈音的响应。 这些试验将被大约 1 秒的试验间隔分开。
实验程序可以在自定义软件包自然图像阈值 (https://github.com/AmyMNi/NaturalImageThresholds) 中找到。 它们是用 MATLAB(MathWorks;马萨诸塞州内蒂克)编写的,基于虚拟世界颜色恒常性软件包 (github.com/BrainardLab/VirtualWorldColorConstancy)。 它们依赖于心理物理学工具箱 (http://psychtoolbox.org) 和 mgl (http://justingardner.net/doku.php/mgl/overview) 中的例程。
会议组织
预计参与者将在六节课中完成这个试点实验。 第一场会议将包括参与者注册程序(知情同意、视力测试等;有关详细信息,请参阅上面的参与者)以及熟悉试验(见下一段),将持续大约一个半小时。 第二至第六届会议将持续约一小时。
在第一节课中,在开始任务之前,参与者将收到任务说明,并有机会练习按下响应按钮。 仅对于第一节课,参与者将从 30 次熟悉试验开始。 熟悉试验将按顺序包括:10 个随机选择的简单试验(最大的位置变化比较),10 个随机选择的中等难度试验(第 4 和第 5 个最大的位置变化比较),以及 10 个随机选择的试验从所有可能的位置变化比较。 熟悉试验将不包括任何与任务无关的可变性。 来自熟悉试验的数据将不会被保存。 熟悉试验之后会有休息时间,在此期间参与者将有机会提出他们可能有的任何问题。 当参与者表示他们准备好了(使用按钮按下)时,休息将结束,实验将开始。
在每个会话中,都会有两个条件:“条件”是指中心对象的参考位置。 对于每个参考位置,中心物体会有11个“比较”位置:水平正方向5个比较位置,水平负方向5个比较位置,0表示没有变化的比较位置。 在每个试验中,一个区间将包含一个参考刺激,另一个区间将包含该参考刺激的比较刺激之一。 这两种刺激在试验中的呈现顺序将在每次试验中随机选择。
一个“块”试验将包含 2 个条件和每个条件 11 个比较,总共 22 个试验。 块内的试验将以随机顺序运行。 一个区块将在下一个区块试验开始之前完成。 一个块将进行 14 次迭代,总共进行 308 次试验。
这组 308 次试验将构成一个“噪音水平”。 单个会话将包含三个噪声级别:噪声级别 0、噪声级别 1 和噪声级别 2。每个噪声级别的试验将分为两个“运行”(每次运行 154 次试验)。 因此,每次运行将包含一个单一的噪音水平。 六次运行将在每个会话中以随机顺序运行。 每次跑步将由持续至少一分钟的休息时间分开,在此期间将指示参与者根据需要站立或伸展。 当参与者表示他们准备好了(使用按钮按下)时,每次休息都会结束。
在所有六次运行中,总共将进行 924 次试验。 此外,每个会话将以四个练习试验开始(包括第一个实验会话,之前将进行如上所述的熟悉试验)。 每节课还将包括五次休息后的一次练习。 每个练习试验将从一组简单试验(如上所述)中随机选择,并且不包括任何与任务无关的可变性。 练习试验的数据将不会被保存。 包括九个练习试题在内,每节课总共会有 933 个试题。
对于 Noise Level 0,背景对象(树枝和树叶)不会有任何变化。 噪声级别 0 将是控制条件,将用于确定参与者在没有任何与任务无关的刺激噪声的情况下区分中心对象的水平位置的阈值。 噪声级别 1 和 2 将用于确定参与者在存在与任务无关的刺激噪声的情况下区分中心对象水平位置的阈值。
噪声级别 1 将由与任务无关的噪声组成,其中包含一个与任务无关的特征:旋转。 与任务无关的旋转量将分别应用于每个刺激。 对于每个刺激,将从 51 个旋转量的池中随机抽取一个旋转量,并且刺激中的背景对象将全部旋转该旋转量。 对于试验中呈现的两个刺激(参考位置刺激和比较位置刺激)中的每一个,将分别(随机替换)绘制旋转量。 51个旋转量池将包括:1个零旋转量(背景物体没有变化),25个顺时针等距旋转量,25个逆时针等距旋转量。
噪声级别 2 将由两个与任务无关的特征中的与任务无关的噪声组成:旋转和深度。 对于噪声级别 2,还将有一个包含 51 个噪声量的池,但池中的每个噪声量都将包含一个旋转量(与噪声级别 1 中相同的 51 个旋转量)和一个深度量。 将有51个可能的深度量(一个深度量为零,25个位置方向等距深度量,25个负方向等距深度量)。 对于包含 51 个噪声量的噪声级别 2 池,其中一个噪声量将由零旋转量和零深度量组成。 对于池中剩余的 50 个噪声量,剩余 50 个旋转量中的每一个将随机分配(无替换)到剩余 50 个深度量之一。 从这个包含 51 个噪声量的噪声级别 2 池中,将分别为试验中的两个刺激中的每一个随机抽取(替换)单个噪声量。
最后,如上所述(参见心理物理学任务),在刺激间隔期间,每次试验将显示两个面具。 所有噪声级别的所有掩码都将从相同的刺激分布中提取(噪声级别为 0 的刺激,因此不包含与任务无关的噪声)。 要在试验中创建两个蒙版中的每一个:首先,将确定试验的第一和第二间隔中的中心对象位置。 与第一和第二间隔中的中心对象位置匹配的噪声级别为 0 的两个刺激将用于创建试验蒙版。 对于这两种刺激中的每一种,将计算每 RGB 通道每 16 x 16 刺激块的平均强度。 接下来,掩码的每个 16 x 16 块将从一个或另一个刺激中随机抽取,并将由为所选刺激块的每个 RGB 通道计算的均匀平均强度组成。 因此,每次试验显示的两个面具将分别由每 16 x 16 块的不同随机抽取组成。
数据分析
每个会话,将针对每个噪声级别测量参与者用于区分对象位置的阈值。 首先,对于每个比较位置,将计算参与者回答比较刺激位于参考刺激右侧的试验比例。 接下来,比较被选为向右的比例将使用 Palamedes 工具箱 (http://www.palamedestoolbox.org) 与累积正态函数拟合。 为了估计心理测量函数的所有四个参数(阈值、斜率、失误率和猜测率),失误率将被设置为等于猜测率并且将被强制在 [0, 0.05] 范围内,并且模型将使用最大似然法拟合数据。 阈值将计算为表演时刺激水平之间的差异(比较被选择为向右的比例)等于 0.7602 和 0.5,由累积正态拟合确定。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
Pennsylvania
-
Philadelphia、Pennsylvania、美国、19104
- University of Pennsylvania
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
研究人群
描述
纳入标准:
- 正常视力
- 能够给予知情同意
- 已完全接种 COVID-19 疫苗
排除标准:
- 已知的颜色缺陷
- 根据家族史诊断视网膜疾病或遗传性视网膜疾病
- 大于 0.6 度视角的水平位置歧视的心理物理阈值(将在第一次实验期间确定)
学习计划
研究是如何设计的?
设计细节
- 主要用途:基础科学
- 分配:不适用
- 介入模型:单组作业
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
---|---|
实验性的:健康参与者
如果参与者的最佳矫正视力低于 20/40 或在石原板测试中出现任何错误,则参与者将在实验前被排除在外。 对于登记的参与者,他们的水平位置歧视阈值将根据他们在第一届会议期间在实验任务中的表现来计算。 如果参与者在控制条件下的水平位置辨别阈值高于 0.6 度视角的最大值,则在第一节课结束后,参与者将被排除在外,此时被排除在外的参与者将不会参加任何进一步的实验课。 |
心理物理任务将用于衡量参与者区分自然视觉场景中背景对象上下文中呈现的中心对象水平位置的能力。
该任务将是一个双区间强制选择任务,每个区间呈现一个刺激。
在两个刺激间隔之间,两个面罩将连续显示在监视器的中央。
参与者的任务是确定与第一个间隔中呈现的中心对象相比,第二个间隔中呈现的中心对象是在左侧还是在右侧。
输入响应后将出现两种反馈音之一,指示参与者是正确还是错误。
对于两个间隔之间中心对象的位置没有差异的试验,将在每次试验中随机选择将收到正确反馈音的响应。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
水平歧视阈值的心理物理测量
大体时间:约3周
|
心理物理任务将用于衡量参与者区分自然视觉场景中背景对象上下文中呈现的中心对象水平位置的能力。
该任务将是一个双区间强制选择任务,每个区间呈现一个刺激。
任务将是确定与第一个区间中呈现的中心对象相比,第二个区间中呈现的中心对象是在左侧还是在右侧。
水平辨别阈值在下面报告为刺激中噪声的函数。
水平辨别阈值定义为两个刺激在水平面上可以被识别为空间分离的最小距离。
水平辨别阈值越低,水平方向上被感知为不同的两个刺激之间的差异越小。
|
约3周
|
合作者和调查者
调查人员
- 首席研究员:Amy M. Ni, Ph.D.、University of Pennsylvania
- 研究主任:David H. Brainard, Ph.D.、University of Pennsylvania
出版物和有用的链接
一般刊物
- Brainard DH. The Psychophysics Toolbox. Spat Vis. 1997;10(4):433-6.
- Cottaris NP, Jiang H, Ding X, Wandell BA, Brainard DH. A computational-observer model of spatial contrast sensitivity: Effects of wave-front-based optics, cone-mosaic structure, and inference engine. J Vis. 2019 Apr 1;19(4):8. doi: 10.1167/19.4.8.
- Cottaris NP, Wandell BA, Rieke F, Brainard DH. A computational observer model of spatial contrast sensitivity: Effects of photocurrent encoding, fixational eye movements, and inference engine. J Vis. 2020 Jul 1;20(7):17. doi: 10.1167/jov.20.7.17.
- DiCarlo JJ, Cox DD. Untangling invariant object recognition. Trends Cogn Sci. 2007 Aug;11(8):333-41. doi: 10.1016/j.tics.2007.06.010. Epub 2007 Jul 16.
- DiCarlo JJ, Zoccolan D, Rust NC. How does the brain solve visual object recognition? Neuron. 2012 Feb 9;73(3):415-34. doi: 10.1016/j.neuron.2012.01.010.
- Gauthier I, Tarr MJ. Visual Object Recognition: Do We (Finally) Know More Now Than We Did? Annu Rev Vis Sci. 2016 Oct 14;2:377-396. doi: 10.1146/annurev-vision-111815-114621. Epub 2016 Aug 3.
- Heasly BS, Cottaris NP, Lichtman DP, Xiao B, Brainard DH. RenderToolbox3: MATLAB tools that facilitate physically based stimulus rendering for vision research. J Vis. 2014 Feb 7;14(2):6. doi: 10.1167/14.2.6.
- Ni AM, Ruff DA, Alberts JJ, Symmonds J, Cohen MR. Learning and attention reveal a general relationship between population activity and behavior. Science. 2018 Jan 26;359(6374):463-465. doi: 10.1126/science.aao0284.
- Prins N, Kingdom FAA. Applying the Model-Comparison Approach to Test Specific Research Hypotheses in Psychophysical Research Using the Palamedes Toolbox. Front Psychol. 2018 Jul 23;9:1250. doi: 10.3389/fpsyg.2018.01250. eCollection 2018.
- Ruff DA, Ni AM, Cohen MR. Cognition as a Window into Neuronal Population Space. Annu Rev Neurosci. 2018 Jul 8;41:77-97. doi: 10.1146/annurev-neuro-080317-061936.
- Singh V, Cottaris NP, Heasly BS, Brainard DH, Burge J. Computational luminance constancy from naturalistic images. J Vis. 2018 Dec 3;18(13):19. doi: 10.1167/18.13.19.
- Singh V, Burge J, Brainard DH. Equivalent noise characterization of human lightness constancy. bioRxiv 2021.06.04.447171. doi: https://doi.org/10.1101/2021.06.04.447171.
- Ni AM, Huang C, Doiron B, Cohen MR. A general decoding strategy explains the relationship between behavior and correlated variability. Elife. 2022 Jun 6;11:e67258. doi: 10.7554/eLife.67258.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.
心理物理任务的临床试验
-
Medical University of ViennaMedical University of Graz尚未招聘
-
Instituto Nacional de Cardiologia Ignacio Chavez未知
-
University of CincinnatiNational Institute of Nursing Research (NINR)完全的
-
University of CincinnatiNational Institute of Nursing Research (NINR)招聘中
-
Assistance Publique - Hôpitaux de Paris招聘中
-
Heart and Diabetes Center North-Rhine Westfalia完全的